【Ubuntu18.04使用yolov5教程】

• 欢迎大家阅读2345VOR的博客【Ubuntu18.04使用yolov5教程】🥳🥳🥳
• 2345VOR鹏鹏主页： 已获得CSDN《嵌入式领域优质创作者》称号👻👻👻，座右铭：脚踏实地，仰望星空🛹🛹🛹
• 本文章属于《Ubuntu学习》和《ROS机器人学习》
  ：这里主要是记录Ubuntu下简单使用yolov5测试检测效果的过程，我是使用realsense d435i摄像头的RGB图像。👍👍👍

1. 前言

Ubuntu环境搭建
【经典Ubuntu20.04版本U盘安装双系统教程】
【Windows10安装或重装ubuntu18.04双系统教程】
【Ubuntu同步系统时间】
【Ubuntu中截图工具】
【Ubuntu安装QQ】
【Ubuntu安装后基本配置】
【Ubuntu启动菜单的默认项】
【ubuntu系统中修改hosts配置】
【18.04Ubuntu中解决无法识别显示屏】
【ROS 开发神器 Visual Studio Code 的安装和设置】
【基于Ubuntu18.04+Melodic的realsense D435安装】
【Ubuntu18配置Anaconda深度学习环境】
ROS学习笔记
【1. Ubuntu18.04安装ROS Melodic】
【2. 在Github上寻找安装ROS软件包】
【3. 初学ROS，年轻人的第一个Node节点】
【4. ROS的主要通讯方式：Topic话题与Message消息】
【5. ROS机器人的运动控制】
【6. 激光雷达接入ROS】
【7. ROS 中的 IMU 惯性测量单元消息包】

我在Ubuntu下配置深度环境的过程可参考：

【Ubuntu18配置Anaconda深度学习环境】

本篇文章主要参考：

Ubuntu下使用yolov5
https://github.com/ultralytics/yolov5

这里参考的github上的yolo v5程序版本和功能比较全面，图片、视频、摄像头实时画面都可以使用，可以以这个程序为基础进行修改。

2. yolov5源码配置

源码地址; https://github.com/ultralytics/yolov5

2.1 下载文件

首先使用CTRL+alt+t命令下载文件到~/yolov5_test文件夹下，然后准备开始VScode配置和安装相关依赖

git clone https://github.com/ultralytics/yolov5.git yolov5_test

主目录如下文件

2.2 用VScode打开

进入主目录，打开终端输入code yolo,tab 回车用vscode打开，vscode可参考
【ROS 开发神器 Visual Studio Code 的安装和设置】

首先使用CTRL+shift+p命令： 打开命令交互面板， 在命令面板中可以输入命令进行搜索(中英文都可以)，然后执行。命名面板中可以执行各种命令，包括编辑器自带的功能和插件提供的功能
在打开的命令面板中输入下述命令，如下图所示：

Python: Select Interpreter

选择已经配置好的torch环境，可参考
【Ubuntu18配置Anaconda深度学习环境】

然后ctrl+shift+`
打开终端

期待下面的操作啦！

2.3 安装相关依赖

接着上面的操作，在终端中输入下面指令，下载相关依赖。如下是添加了清华镜像，下载速度比国外源快。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed

一定要完全安装，需要下载好几个G的文件包，否则后面实验会报乱七八糟的错误。反馈如下

3. 运行detect例子

3.1 语法说明

详细的可以参考https://github.com/ultralytics/yolov5中的README.md

• source：是选择测试例的来源

$ python detect.py --source 0  # webcamimg.jpg  # imagevid.mp4  # videopath/  # directorypath/*.jpg  # glob'https://youtu.be/Zgi9g1ksQHc'  # YouTube'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

• weights：是选择模型，如果weights文件夹里有权重则直接使用，没有就下载,PyTorch框架的权重文件后缀为.pt,，也可等运行时自动下载

# weights: yolov5m, yolov5l, yolov5x, custom
python3 detect.py --source ./data/images/ --weights weights/yolov5s.pt

3.2 测试图片

图片在/data/images文件下，分别是如下两张

在终端输入如下

clear
python3 detect.py --source ./data/images/ --weights weights/yolov5s.pt

效果：

(mytorch) robot@ms:~/yolov5_test$ python3 detect.py --source ./data/images/ --weights weights/yolov5s.pt
detect: weights=['weights/yolov5s.pt'], source=./data/images/, data=data/coco128.yaml, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None, agnostic_nms=False, augment=False, visualize=False, update=False, project=runs/detect, name=exp, exist_ok=False, line_thickness=3, hide_labels=False, hide_conf=False, half=False, dnn=False, vid_stride=1
YOLOv5 🚀 v7.0-162-gc3e4e94 Python-3.8.0 torch-2.0.0+cu117 CUDA:0 (NVIDIA GeForce RTX 3060, 12051MiB)Fusing layers... 
YOLOv5s summary: 213 layers, 7225885 parameters, 0 gradients
image 1/2 /home/robot/yolov5_test/data/images/bus.jpg: 640x480 4 persons, 1 bus, 29.9ms
image 2/2 /home/robot/yolov5_test/data/images/zidane.jpg: 384x640 2 persons, 2 ties, 29.0ms
Speed: 0.3ms pre-process, 29.5ms inference, 0.5ms NMS per image at shape (1, 3, 640, 640)
Results saved to runs/detect/exp14

检测出图片内容如下，效果还不错，一张0.03秒，基本都识别出来了。

image 1/2 /home/robot/yolov5_test/data/images/bus.jpg: 640x480 4 persons, 1 bus, 29.9ms
image 2/2 /home/robot/yolov5_test/data/images/zidane.jpg: 384x640 2 persons, 2 ties, 29.0ms
Speed: 0.3ms pre-process, 29.5ms inference, 0.5ms NMS per image at shape (1, 3, 640, 640)

3.3 测试RealSense摄像头实时图像

RealSense摄像头可以采用以下教程配置，主要调用SDK
的图像配置。
【基于Ubuntu18.04+Melodic的realsense D435安装】
在上面终端输入如下,首先查看USB占用情况

lsusb

1. 红外画面测试及效果

在上面终端输入如下,红外画面测试

python3 detect.py --source 2 --weights weights/yolov5m.pt

效果
ctrl+c中止当前终端任务

2. RGB画面测试及效果
   在上面终端输入如下,RGB画面测试

python3 detect.py --source 4 --weights weights/yolov5m.pt

效果

注意事项：

1. 对于深度相机，不能像普通的usb相机一样，opencv打开id直接为0。
2. 对于id为2时打开的是红外的画面，id为4打开的是RBG画面。